Add echo-mode sub-mandate to voice-state research: mechanism hypotheses, prompt mitigations, prefill probe, budget bump

docs/VOICE_STATE_RESEARCH_SESSION_PROMPT.md

@@ -33,6 +33,8 @@ SOTA speaker-aware / persona-consistent перевода и длинной ге
 ### 3. Промптинг литперевода (V1-буллеты владельца — затравки, не рамки)
 Что ВАЛИДИРОВАНО сверх уже известного нам: гайды провайдеров (Anthropic/OpenAI/Google/DeepSeek/xAI) — что из них применимо к переводу с инъекциями; **формат и позиция инъецируемых блоков** (таблица vs строки vs теги; инструкции в начале vs конце; разбавление контекста при больших инъекциях — lost-in-middle на НАШИХ размерах промпта, а не 100k); анти-галлюцинационные приёмы (негативные констрейнты «не добавляй фактов», uncertainty-каналы NO_CHANGE/AMBIGUOUS из antipattern-дока — какова их цена в качестве); «переводи как будто прочитал всю книгу» (V1.13): двухпроходность в одном вызове («сначала прочти и выпиши опоры, потом переводи») — работает или жжёт токены.
 
+**3-bis. Эхо-мода на плотном CJK (приоритетный под-вопрос владельца, 09.07).** Замерено проектом: модель вместо перевода возвращает исходный китайский; усилители — плотность CJK, знакомость текста из претрейна, ВЫКЛЮЧЕННЫЙ reasoning (DeepSeek thinking-off = эхо-мина; grok-4.3 reasoning-none — 40% эха на 蛊真人, reasoning-on — 0/10; DeepSeek 25% даже при thinking-ON на реальной вебновелле; Mistral 0/10). Рабочая гипотеза — копирующий аттрактор (induction heads) побеждает инструкцию, thinking работает ре-анкорингом задачи. Исследуй: (а) что известно науке/сообществам про copy-collapse в переводе и его митигации; (б) **промпт-митигции**: инструкция ПОСЛЕ текста, префилл первых токенов ответа целевым языком (DeepSeek beta prefix-completion; какие ещё провайдеры умеют assistant-prefix?), микро-few-shot формата, языковой констрейнт; (в) ПРОБА в бюджете: на эхо-провоцирующих чанках 蛊真人 (deepseek thinking-ON и grok reasoning-none) A/B промпт-митигций — снижает ли частоту эха, какой ценой. Рамка: промпт-митигция = снижение частоты (экономия на эскалациях), НЕ замена детект+эскалации — не рекомендовать ослабление echo-гейта.
+
 ### 4. Параметры запроса (V1.8)
 Temperature/top_p/penalties для художественного перевода: свежая эмпирика (не фольклор); per-stage логика (draft-верность vs editor-стиль — наши фактические значения сверь в конфиге); есть ли доказанная причина что-то менять; дизайн дешёвого параметр-свипа как арма пилота/полигон-эксперимента (готовое ТЗ полигону).
 
@@ -44,7 +46,7 @@ Temperature/top_p/penalties для художественного перевод
 
 ## Живые пробы (разрешены, дисциплина research/14)
 
-Бюджет **≤$3 суммарно** (deepseek/grok/gemini; ключи скрипты читают из `eval/.env` сами — сам файл не открывай). Материал: `/home/ubuntu/books/gu-zhenren/guzhenren-gb18030.txt` (GB18030 — конвертируй iconv'ом; выбирай **SFW-чанки** с контрастными голосами персонажей — их там много; текст и производные вне git). Кандидаты проб (по усмотрению, не все): voice-exemplar инъекция A/B (2–3 персонажа, держится ли голос с exemplars vs без — слепая мини-оценка), формат инъекции (таблица vs строки), двухпроходность-в-одном-вызове. Пробы — индикатив (малый N), помечай честно; их скрипты — в scratchpad. Ollama-модель полигона не выселять.
+Бюджет **≤$4 суммарно** (deepseek/grok/gemini/mistral; ключи скрипты читают из `eval/.env` сами — сам файл не открывай). Материал: `/home/ubuntu/books/gu-zhenren/guzhenren-gb18030.txt` (GB18030 — конвертируй iconv'ом; выбирай **SFW-чанки** с контрастными голосами персонажей — их там много; текст и производные вне git). Кандидаты проб (по усмотрению, не все): voice-exemplar инъекция A/B (2–3 персонажа, держится ли голос с exemplars vs без — слепая мини-оценка), формат инъекции (таблица vs строки), двухпроходность-в-одном-вызове. Пробы — индикатив (малый N), помечай честно; их скрипты — в scratchpad. Ollama-модель полигона не выселять.
 
 ## Метод и БАР